正态分布族的参数的经验Bayes估计的收敛速度

对于正态分布族｛Ｎ（μ，σ￣２）：－∞＜μ＜＋∞，σ￣２＞０｝，该文利用密度函数及其偏导数的核估计构造出参数θ＝（μ，σ￣２）的经验Ｂａｙｅｓ（ＥＢ）估计，并在一定条件下证明了θ的ＥＢ估计的收敛速度可任意接近于１．最后给出了一个实例．     

线性模型参数矩阵的二次型的经验Bayes估计的收敛速度

本文构造出正态线性模型误差协差阵的逆矩阵的二次型的经验Ｂａｙｅｓ（ＥＲ）估计，在一定条件下证明了这种ＥＢ估计的收敛速度可任意接近于１．最后，给出了一个实例．     

Mixed Estimations and Bayes Estimation of theRegression Coefficient in Multivariate Linear Model

ＭｉｘｅｄＥｓｔｉｍａｔｉｏｎｓａｎｄＢａｙｅｓＥｓｔｉｍａｔｉｏｎｏｆｔｈｅＲｅｇｒｅｓｓｉｏｎＣｏｅｆｆｉｃｉｅｎｔｉｎＭｕｌｔｉｖａｒｉａｔｅＬｉｎｅａｒＭｏｄｅｌ￥ＨｕａｎｇＹａｎｇｘｉｎ（黄养新）（ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈ...     

增长曲线模型参数估计的加权相对效率

对增长曲线模型中参数估计的相对效率，本文提出了一种新的定义－加权相对效率，并研究了它的性质，以及在文献「４」中的两种相对效率的关系。     

误差协方差阵的经验Bayes估计的收敛速度

本文利用密度的混合偏导数的核估计，构造出线性模型中误差协方差阵的逆的经验Ｂａｙｅｓ（ＥＢ）估计，在一定条件下，还证明了ＥＢ估计的收敛速度可任意接近于１，最后，给出了一个实例。     

线性回归模型参数的联立经验Bayes估计的收敛速度

本文考虑了线性模型中回归系数β=(β₁,…,β_p)′和误差方差σ²的联立经验Bayes(EB)估计.在二次损失下,利用密度函数及其编导数的核估计构造出参数θ=(β₁,…,β_p,σ²)的联立EB估计,在一定条件下证明了θ的联立EB估计的收敛速度任意接近于1.最后、给出了一个实例.     

多元线性模型回归系数的有偏估计与均方误差的无偏估计

本文对多元线性模型回归系数的最小二乘估计的任一线性变换，给出了均方误差的一个无偏估计，并应用统一方法，即极小化均方误差的无偏估计的方法，对岭估计和广义岭估计给出了确定偏参数的公式。最后给出了一个实例。     

非线性模型误差方差估计的Bootstrap逼近和分布的收敛速度

本文对非线性模型误差方差的估计基于Jackknife虚拟值的Bootstrap方法建立了Bootstrap逼近,证明了逼近的相合性定理,得到了逼近的速度是o(n~(-1/2))。进一步,本文证明了误差方差估计的分布以理想的最佳速度o(n~(-1/2))收敛于正态分布的结论。     

回归系数估计的渐近分析

讨论正态线性模型回归系数的一种非线性有偏估计，给出了它的偏差及其均方误差的渐近展开式，在均方误差意义下，得到了该估计优于最小二乘估计的渐近充要条件。